現在、大都市では、交通渋滞、大気汚染、エネルギー消費などの大きな問題が発生しています。このような大都市の大きな課題に対し、「環境」「安全」「安心」をキーワードにした ビッグデータ (大容量データの扱いを意味する）。
それはまさにアーバンコンピューティングのことです。簡単に言うと、以下のように定義できます。 大都市の大きな課題に対応するためのビッグデータ活用について.
それについて、もっと詳しく説明しましょう。
アーバンコンピューティングは、都市空間において多様なソースから生成されるビッグデータ、異種データの取得、統合、解析のプロセスを含みます。このようなデータソースには、センサー、モバイルデバイス、車両、建物、人間などが含まれます。
アーバンコンピューティングとは？
というタイトルの論文でアーバンコンピューティング：概念、方法論、およびアプリケーション"と題し、Urban Computingを実現するための一般的なフレームワークを紹介しています。
アーバンコンピューティングは、非侵入型・ユビキタスセンシング技術、高度なデータ管理、分析モデル、斬新な可視化手法などを結びつけ、都市環境、人間生活の質、都市運営システムを改善するソリューションを創造する。
また、アーバンコンピューティングは学際的な分野であることも強調しなければなりません。コンピューティング科学と、交通、土木、経済、エコロジー、社会学といった他の分野を、都市空間という文脈で統合するのです。
おそらく、「大都市の課題を克服するために、アーバンコンピューティングをどのように導入するか」ということが、皆さんの頭を悩ませているのではないでしょうか？
さて、朗報です、そのためのフレームワークがあるのです！
アーバンコンピューティングフレームワーク
というタイトルの論文でアーバンコンピューティング：概念、方法論、およびアプリケーション"と題し、Urban Computingを実現するための一般的なフレームワークを紹介しています。
フレームワークは4つのレイヤーで構成されています：アーバンセンシング、アーバンデータマネジメント、データアナリティクス、サービスプロバイディングです。各レイヤーは特定の機能を有しています。
があります。 アーバンセンシング レイヤーは、都市空間からデータを収集することを担当します。このデータ収集は、参加型センシング、クラウドセンシング、モバイルセンシングなど、さまざまな手法で行うことができる。
があります。 都市データマネジメント レイヤーは、時空間情報とテキストの両方を取り込んだインデックス構造によってデータを整理し、効率的なデータ分析をサポートします。
で、その データアナリティクス層など、さまざまな技法があります。 データマイニング, 機械学習そして データの可視化 は、データのパターンを識別し、その後の意思決定のためにデータから貴重な情報を得るために使用されます。
があります。 サービス提供 レイヤーは、人々の運転体験を向上させ、交通渋滞、大気汚染、エネルギー消費を削減することを目的とした様々なソリューションやサービスから構成されています。 例えば、交通の異常を検知した場合、その情報は交通機関に配信され、交通整理や異常の診断が行われます。
では、アーバンコンピューティングはどのような課題を抱えているのでしょうか。
アーバンコンピューティングを理想的に実現するためには、3つの大きな課題を抱えています：
1.センシングとデータ取得。
この課題は、都市に分布するセンサーの数の制限を考慮し、いかに非侵入的かつ継続的に都市データを収集するかというものです。
新たなセンシングインフラを構築することで、目標を達成することは可能ですが、都市の負担を増やすことになります。
センサーとしての人間は、ソーシャルメディアへの投稿やGPSの痕跡を利用して、自分の周りで起きている出来事を理解することで、この課題に取り組むための新しい概念です。
センサーとしての人間は、次のような新しい課題をもたらします：
- デバイスエネルギーの使用量の増加；
- 個人情報の保護について
- ユーザーが一様に分布しておらず、同じ頻度でセンシングを送信していないため、データに偏りがある；
- ユーザーから提供される非構造化、暗黙の了解、ノイズの多いデータ。一方、従来のセンサーが生成するデータは、構造化されており、明示的で、クリーンで、理解しやすいものです。
2. ヘテロジニアスなデータ
データマイニングや機械学習の技術は、通常、1種類のデータを扱います。しかし、都市の課題を解決するには、幅広い要素が関わってきます（例えば、大気汚染を探るには、交通の流れ、気象、土地利用を同時に調査する必要があります）。
3. ハイブリッドシステムです。
データがデジタル世界で生成・消費される検索エンジンやデジタルゲームとは異なり、アーバンコンピューティングは通常、両世界のデータを統合する（トラフィックとソーシャルメディアの組み合わせ）。
ハイブリッドシステムの設計は、多くの機器やユーザーと同時に通信し、異なるフォーマットのデータを送受信する必要があるため、従来のシステムよりもはるかに困難です。
アーバンコンピューティングの主な用途は何ですか？
アーバンコンピューティングの応用は、数え切れないほどあります。
アプリケーションは、都市計画、交通、環境、公共の安全・安心、エネルギー、経済、エコロジー、社会の7つのカテゴリーに分類されます。
ここでは、それぞれのごく簡単な説明をします：
- 都市計画.
スマートシティを構築するためには、プランニングが重要です。このカテゴリーには、交通網の根本的な問題の検出、都市の機能的地域（教育地域やビジネス地区など、人々の異なるニーズをサポートし、組織化技術として機能する地域）の発見、都市の進化を理解するための境界の検出が含まれます。
- 交通機関です。
このカテゴリーには、運転体験の向上、タクシーサービス、公共交通システムなどが含まれます。
- 環境です。
都市化の急速な進展は、都市の環境に対する潜在的な脅威となる。環境に対するアーバンコンピューティングには、都市の空気の質の向上や騒音公害の低減などが含まれます。
- 公共の安全と安心。
ここでは、交通異常の検知、災害の検知、事故の検知などの用途を挙げることができます。
- エネルギー消費量です。
都市化の急速な進展に伴い、エネルギー消費はますます増大しています。このカテゴリーのアプリケーションは、ガスや電気の消費量を削減することです。
- 経済です。
都市の動態は、その都市の経済の動向を示すことがある。このカテゴリーでの応用例としては、株式市場の動向を予測することが挙げられる。
- 社会的です。
このカテゴリーのアプリケーションは、ロケーション・レコメンデーション、旅程計画、ロケーション・アクティビティ・レコメンデーション、都市のダイナミクスを理解することです。
アーバンコンピューティングを実現するための技術はあるのでしょうか？
アーバンコンピューティングを実現するための技術はいくつかあり、それらはカテゴリーに分類されている。より頻繁に使用されるカテゴリは以下の通りです：
アーバンセンシングの手法センサーを設置して計測する従来のセンシング、既存のインフラを利用して群衆が生み出すデータを収集するパッシブ・クラウド・センシング、そして人々が周囲の情報を使って積極的に貢献する参加型センシング；
アーバンデータマネジメントの技術は、以下のデータマイニングプロセスのために、複数の異種データソースを整理することを可能にします；
知識融合技術は、複数の異種データソースから学習した知識を効果的に融合させることができます；
都市データの可視化技術は、単に生データを表示し、結果を提示するだけでなく、データのパターン、傾向、関係を検出し、記述することを可能にする必要がある。
このように、アーバンコンピューティングは、現代の都市が抱える大きな問題を解決するための非常に有効なツールになり得るのです。
アーバンコンピューティングが直面する課題は、いずれ克服され、その結果、都市のより良い未来を手に入れることができるのです。
参考文献
T. キンドバーグ、M.チャルマーズ、E.パウロス。 2007. ゲストエディターによる紹介： アーバンコンピューティング。Pervasive Computing 6, 3, 18-20
下の画像をクリックすると、Mind the Graph for urban computingのイラストを確認することができます。
ニュースレターを購読する
効果的なビジュアルに関する高品質なコンテンツを独占配信
科学におけるコミュニケーション
Japanese 
English 
Chinese 
German 
Spanish 
Portuguese 
Dutch 
Russian 
French 
Italian